LEARNING
面向非线性系统卡尔曼滤波的降阶线性潜在模型学习
Manas Mejari, Milad Banitalebi Dehkordi, Dario Piga
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出了一种面向滤波的端到端学习框架，用于识别高维非线性系统中专门针对状态估计的降阶模型。通过联合训练自编码器和降阶线性时不变模型，并引入可微卡尔曼滤波的滤波目标，确保降阶模型适用于下游状态估计任务。
关键词
reduced-order modelKalman filterautoencodernonlinear systemsstate estimation
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018